機(jī)器視覺(jué)技術(shù)在農(nóng)業(yè)機(jī)械中的應(yīng)用與發(fā)展探析

王興紅

摘要：隨著科技的不斷進(jìn)步，機(jī)器視覺(jué)技術(shù)在各個(gè)領(lǐng)域都得到了廣泛的應(yīng)用，其中包括農(nóng)業(yè)機(jī)械領(lǐng)域。該技術(shù)的應(yīng)用對(duì)實(shí)現(xiàn)農(nóng)業(yè)機(jī)械自動(dòng)化、智能化的農(nóng)業(yè)生產(chǎn)，減少人力資源的浪費(fèi)等都具有重要意義。文章主要對(duì)機(jī)器視覺(jué)技術(shù)原理、在田間農(nóng)業(yè)機(jī)械上的主要應(yīng)用以及發(fā)展應(yīng)用對(duì)策進(jìn)行論述，以期能為助力農(nóng)業(yè)智能化進(jìn)程提供參考。

關(guān)鍵詞：機(jī)械視覺(jué)技術(shù)；農(nóng)業(yè)機(jī)械；圖像處理；自動(dòng)化技術(shù)

文章編號(hào)：1674-7437（2024）04-0246-03? ? ?中國(guó)圖書(shū)分類(lèi)號(hào)：S220；TP391.41? ? ?文獻(xiàn)標(biāo)識(shí)碼：A

隨著全球人口的增長(zhǎng)和糧食需求的增加，傳統(tǒng)的人工農(nóng)業(yè)生產(chǎn)方式已經(jīng)無(wú)法滿足需求，而機(jī)器視覺(jué)技術(shù)的出現(xiàn)為農(nóng)業(yè)生產(chǎn)帶來(lái)了新的解決方案。鄉(xiāng)村振興背景下，機(jī)器視覺(jué)技術(shù)在農(nóng)業(yè)機(jī)械中的應(yīng)用與發(fā)展是當(dāng)前農(nóng)業(yè)領(lǐng)域的熱點(diǎn)研究方向。該技術(shù)可以實(shí)現(xiàn)對(duì)農(nóng)田、農(nóng)作物和農(nóng)業(yè)機(jī)械的智能感知和分析，從而提高農(nóng)作物的產(chǎn)量和質(zhì)量，減少人力資源的浪費(fèi)。常見(jiàn)的如基于機(jī)器視覺(jué)技術(shù)實(shí)現(xiàn)病蟲(chóng)害實(shí)時(shí)監(jiān)測(cè)和分析，農(nóng)作物檢測(cè)和識(shí)別以及智能化采摘和收割等，實(shí)現(xiàn)農(nóng)機(jī)的自動(dòng)化、智能化操作，提高農(nóng)業(yè)生產(chǎn)的效率和可持續(xù)性，為農(nóng)業(yè)生產(chǎn)帶來(lái)革命性的變革。

1 機(jī)器視覺(jué)技術(shù)原理

機(jī)器視覺(jué)系統(tǒng)主要由捕捉圖像系統(tǒng)、傳輸圖像數(shù)據(jù)系統(tǒng)、處理圖像數(shù)據(jù)系統(tǒng)和控制輸出系統(tǒng)四大部分組成，圖1所示為整體系統(tǒng)組成（見(jiàn)圖1）[1]。

機(jī)器視覺(jué)系統(tǒng)在農(nóng)業(yè)機(jī)械上應(yīng)用時(shí)，首先，攝像機(jī)組獲取田間待測(cè)區(qū)域的動(dòng)態(tài)實(shí)時(shí)圖像；其次，通過(guò)圖像采集卡將其進(jìn)行數(shù)字化信息處理，得到數(shù)字圖像；再次，利用數(shù)字圖像處理系統(tǒng)對(duì)其進(jìn)行圖像分割、特征提取、目標(biāo)識(shí)別等圖像處理操作；最后，通過(guò)控制執(zhí)行機(jī)構(gòu)對(duì)預(yù)設(shè)的判定標(biāo)準(zhǔn)執(zhí)行相應(yīng)的操作，如種子分揀、水果采摘、農(nóng)機(jī)導(dǎo)航、病害提醒等。

2 機(jī)器視覺(jué)技術(shù)在田間農(nóng)業(yè)機(jī)械上的應(yīng)用

機(jī)器視覺(jué)技術(shù)在田間農(nóng)業(yè)機(jī)械上應(yīng)用可以概括為以下幾個(gè)方面。

2.1 農(nóng)作物檢測(cè)和識(shí)別

機(jī)器視覺(jué)可以通過(guò)圖像處理和分析技術(shù)，通過(guò)識(shí)別田間作物的形狀、顏色、紋理等特征，利用機(jī)器視覺(jué)技術(shù)可以對(duì)農(nóng)作物進(jìn)行評(píng)價(jià)。例如，將機(jī)器視覺(jué)與深度學(xué)習(xí)算法結(jié)合，采集農(nóng)作物種子圖像，并提取種子各類(lèi)特征參數(shù)，檢測(cè)種子表面的裂紋、破損以及可能存在的霉變等情況，實(shí)現(xiàn)種子精準(zhǔn)分類(lèi)，提高種子質(zhì)量。在具體技術(shù)研究方面，王佳等（2023）[2]基于計(jì)算機(jī)視覺(jué)技術(shù)，以玉米種子胚和胚乳為數(shù)據(jù)集，結(jié)合ResNet網(wǎng)絡(luò)模型，可鑒別登海605玉米種的真?zhèn)?；胡楠?023）[3]在Swin Transformer的基礎(chǔ)上提出了一種基于多尺度特征與特征注意力融合的玉米種子識(shí)別分類(lèi)方法，準(zhǔn)確率達(dá)到了96.47%，與原始模型相比準(zhǔn)確率提高了3.56%；金厚熙（2023）[4]基于紅外熱成像技術(shù)，應(yīng)用多種機(jī)器學(xué)習(xí)方法實(shí)現(xiàn)玉米種子活力的分類(lèi)，在訓(xùn)練集和測(cè)試集上準(zhǔn)確率達(dá)到96%以上；Javanmardi等（2021）[5]提取玉米的形態(tài)、顏色、紋理特征，借助CNN- ANN分類(lèi)模型，實(shí)現(xiàn)了對(duì)9個(gè)玉米品種的分類(lèi)。

2.2 病蟲(chóng)害檢測(cè)和預(yù)警

植物病蟲(chóng)害是農(nóng)業(yè)生產(chǎn)中的重要問(wèn)題，但傳統(tǒng)的人工診斷常依靠經(jīng)驗(yàn)和感覺(jué)對(duì)農(nóng)作物病害進(jìn)行判斷，導(dǎo)致錯(cuò)過(guò)最佳防治期。機(jī)器視覺(jué)技術(shù)的引入可以實(shí)現(xiàn)病蟲(chóng)害的自動(dòng)識(shí)別和監(jiān)測(cè)，實(shí)現(xiàn)自動(dòng)識(shí)別農(nóng)作物葉片上的病斑、蟲(chóng)害損傷等特征，進(jìn)而及早發(fā)現(xiàn)并采取相應(yīng)的防治措施，減少病蟲(chóng)害對(duì)作物的損失。近年來(lái)機(jī)器視覺(jué)經(jīng)典算法在作物病蟲(chóng)害檢測(cè)與分類(lèi)中的應(yīng)用情況（見(jiàn)表1）[6-7]。

2.3 農(nóng)機(jī)操作和導(dǎo)航

機(jī)器視覺(jué)可以通過(guò)圖像處理和分析技術(shù)，實(shí)現(xiàn)農(nóng)機(jī)的自動(dòng)化操作和導(dǎo)航。例如，可以通過(guò)識(shí)別田間的地標(biāo)、行間作物的行距等特征，實(shí)現(xiàn)農(nóng)機(jī)的自動(dòng)導(dǎo)航和路徑規(guī)劃；使用機(jī)載攝像頭獲取場(chǎng)地圖像，通過(guò)對(duì)圖像特征提取，識(shí)別出不同的農(nóng)作物和作物行間距離，確定機(jī)械的導(dǎo)航方向和行駛速度。宋杰（2022）[8]在充分分析輪式聯(lián)合收獲機(jī)收獲特性的基礎(chǔ)上，融合機(jī)器視覺(jué)與慣性導(dǎo)航技術(shù)，研究輪式聯(lián)合收獲機(jī)低成本、高精度的導(dǎo)航方法；田達(dá)奇（2021）[9]將免疫模糊PID算法引入到了收割機(jī)視覺(jué)控制系統(tǒng)的設(shè)計(jì)中，利用免疫算法和模糊控制算法對(duì)導(dǎo)航追蹤誤差進(jìn)行修正，有效地提高了導(dǎo)航的精度。

圖2為戴峰（2023）[10]設(shè)計(jì)一種基于機(jī)器視覺(jué)技術(shù)的農(nóng)業(yè)機(jī)械自主導(dǎo)航系統(tǒng)，整個(gè)系統(tǒng)的核心是圖像處理和路徑規(guī)劃算法，能能夠?qū)崿F(xiàn)對(duì)機(jī)器的智能控制和作業(yè)優(yōu)化，其工作過(guò)程為采集圖像數(shù)據(jù)—圖像處理—建立地圖—路徑規(guī)劃—控制指令輸出，即使用相機(jī)等設(shè)備采集作業(yè)場(chǎng)地的圖像數(shù)據(jù)，將采集到的圖像數(shù)據(jù)進(jìn)行處理，獲取所需的作業(yè)場(chǎng)地信息，再根據(jù)圖像處理得到的場(chǎng)地信息，構(gòu)建場(chǎng)地地圖，確定機(jī)器當(dāng)前的位置和行進(jìn)方向，根據(jù)機(jī)器當(dāng)前的位置和行進(jìn)方向，規(guī)劃最優(yōu)路徑，控制機(jī)器的運(yùn)動(dòng)和作業(yè)，輸出相應(yīng)的控制指令（見(jiàn)圖2）。

2.4 采摘和收割機(jī)器人

機(jī)器視覺(jué)可以應(yīng)用于采摘和收割機(jī)器人中，通過(guò)識(shí)別作物的成熟度和位置，實(shí)現(xiàn)自動(dòng)化的采摘和收割操作，可以減輕農(nóng)民的勞動(dòng)強(qiáng)度，提高采摘和收割的效率和質(zhì)量。侯義鋒等人（2023）[11]設(shè)計(jì)了一款基于機(jī)器視覺(jué)技術(shù)的成熟砂糖橘果實(shí)目標(biāo)識(shí)別、檢測(cè)與分揀的裝置，這款裝置利用機(jī)器視覺(jué)技術(shù)實(shí)現(xiàn)了對(duì)果實(shí)圖像的處理和顏色判斷，并可以進(jìn)一步對(duì)果實(shí)進(jìn)行分揀和分類(lèi)；王紅軍等人（2023）[12]設(shè)計(jì)了一款香蕉智能采摘裝置，該款采摘裝置利用機(jī)械結(jié)構(gòu)和機(jī)器視覺(jué)技術(shù)相結(jié)合，通過(guò)機(jī)械結(jié)構(gòu)的運(yùn)動(dòng)變化和視覺(jué)識(shí)別系統(tǒng)的算法，可以精確地定位香蕉果柄，并驅(qū)動(dòng)切割機(jī)構(gòu)進(jìn)行采摘；何梁等人（2023）[13]提出了一種蓮蓬采摘點(diǎn)與采摘姿態(tài)計(jì)算方法，該方法通過(guò)對(duì)分割后的結(jié)果進(jìn)行圖像處理，進(jìn)一步計(jì)算得到蓮蓬采摘點(diǎn)及采摘姿態(tài)；王焱清等人（2023）[14]研究了一種面向機(jī)器人柑橘采摘的控制系統(tǒng)，該系統(tǒng)在實(shí)驗(yàn)室環(huán)境下面對(duì)隨機(jī)布置的柑橘，視覺(jué)識(shí)別定位模塊的平均定位精度誤差不超過(guò)2cm，采摘效果良好。

3 加強(qiáng)機(jī)器視覺(jué)技術(shù)在田間農(nóng)業(yè)機(jī)械中應(yīng)用的對(duì)策

雖然機(jī)器視覺(jué)技術(shù)為農(nóng)業(yè)現(xiàn)代化的進(jìn)程提供了新的可能性和解決方案，但是機(jī)器視覺(jué)技術(shù)在農(nóng)業(yè)機(jī)械操作過(guò)程中仍存在圖像識(shí)別分析算法不高、對(duì)象識(shí)別不準(zhǔn)以及相關(guān)技術(shù)人員專(zhuān)業(yè)程度不足等問(wèn)題，嚴(yán)重阻礙了農(nóng)業(yè)機(jī)械的智能化、自動(dòng)化發(fā)展。為促進(jìn)機(jī)器視覺(jué)技術(shù)在田間農(nóng)業(yè)機(jī)械中的應(yīng)用，相關(guān)部門(mén)需要采取以下措施。

一是加大政策支持和研發(fā)創(chuàng)新?？蒲袡C(jī)構(gòu)和企業(yè)參與到機(jī)器視覺(jué)技術(shù)田間農(nóng)業(yè)機(jī)械中的應(yīng)用離不開(kāi)資金支持和政策激勵(lì)。要加強(qiáng)政策支持和資金投入，鼓勵(lì)農(nóng)業(yè)機(jī)械企業(yè)和科研機(jī)構(gòu)加大對(duì)機(jī)器視覺(jué)技術(shù)的研發(fā)和應(yīng)用，推動(dòng)算法、傳感器、圖像處理等關(guān)鍵技術(shù)的突破。例如，可以研發(fā)更先進(jìn)的圖像識(shí)別算法，提高作物檢測(cè)和識(shí)別的準(zhǔn)確性和穩(wěn)定性，開(kāi)發(fā)適應(yīng)不同田間環(huán)境的傳感器，提高圖像采集的質(zhì)量。同時(shí)，要在設(shè)備購(gòu)置和培訓(xùn)等方面提供資金支持。

二是優(yōu)化硬件設(shè)備和增強(qiáng)數(shù)據(jù)集建設(shè)能力。機(jī)器視覺(jué)農(nóng)業(yè)應(yīng)用需要使用高性能的硬件設(shè)備，如高分辨率相機(jī)、傳感器、計(jì)算機(jī)等。為提高農(nóng)田圖像的采集和處理效率，可以考慮使用更先進(jìn)的硬件設(shè)備，并進(jìn)行定期的維護(hù)和更新。此外，機(jī)器視覺(jué)農(nóng)業(yè)應(yīng)用需要大量的農(nóng)田圖像數(shù)據(jù)進(jìn)行訓(xùn)練和識(shí)別，因此，需要建立起高效、穩(wěn)定的數(shù)據(jù)采集系統(tǒng)，并且，需建設(shè)大規(guī)模的農(nóng)業(yè)圖像數(shù)據(jù)集和農(nóng)業(yè)圖像數(shù)據(jù)庫(kù)，并進(jìn)行共享，以促進(jìn)機(jī)器視覺(jué)技術(shù)在農(nóng)業(yè)機(jī)械中的應(yīng)用，從而為算法的訓(xùn)練和驗(yàn)證提供更多的數(shù)據(jù)支持，提高算法的精度和泛化能力。

三是加強(qiáng)專(zhuān)業(yè)人才培養(yǎng)和應(yīng)用推廣。機(jī)器視覺(jué)技術(shù)在農(nóng)業(yè)機(jī)械中的應(yīng)用涉及大數(shù)據(jù)、云計(jì)算、區(qū)塊鏈等技術(shù)，要求農(nóng)業(yè)機(jī)械研發(fā)人員要具備復(fù)合型的專(zhuān)業(yè)知識(shí)。因此，要鼓勵(lì)技術(shù)研發(fā)人員開(kāi)展科研項(xiàng)目，提升機(jī)器視覺(jué)領(lǐng)域的研究水平，科研院所要為研發(fā)人員提供實(shí)踐機(jī)會(huì)，并與企業(yè)、研究機(jī)構(gòu)和行業(yè)協(xié)會(huì)合作，共同開(kāi)展機(jī)器視覺(jué)技術(shù)的研發(fā)和應(yīng)用，促進(jìn)產(chǎn)學(xué)研合作，提升科研技術(shù)人員專(zhuān)業(yè)技術(shù)水平。此外，還要加強(qiáng)對(duì)農(nóng)民和農(nóng)機(jī)操作人員的培訓(xùn)，提高他們對(duì)機(jī)器視覺(jué)技術(shù)的理解和應(yīng)用能力。

4 結(jié)束語(yǔ)

機(jī)器視覺(jué)技術(shù)在農(nóng)業(yè)機(jī)械中的應(yīng)用和發(fā)展具有巨大的潛力和前景。通過(guò)利用圖像處理和分析技術(shù)，可以實(shí)現(xiàn)對(duì)作物的檢測(cè)、識(shí)別和病蟲(chóng)害預(yù)警，實(shí)現(xiàn)農(nóng)機(jī)的自動(dòng)化操作和導(dǎo)航，以及應(yīng)用于采摘和收割機(jī)器人等方面。這些應(yīng)用可以提高農(nóng)業(yè)生產(chǎn)的效率和質(zhì)量，減少勞動(dòng)力的浪費(fèi)。但是，未來(lái)還需要進(jìn)一步研究和發(fā)展更先進(jìn)的算法和系統(tǒng)，提高機(jī)器視覺(jué)技術(shù)的穩(wěn)定性、魯棒性和適應(yīng)性，以應(yīng)對(duì)不同的農(nóng)業(yè)場(chǎng)景和需求。

參考文獻(xiàn)：

[1]王玉芯，戢敏，周黎明，等.機(jī)器視覺(jué)技術(shù)在田間農(nóng)業(yè)機(jī)械中的應(yīng)用[J].鄉(xiāng)村科技，2022，13（10）：152-154.

[2]王佳，馬睿，馬德新.基于深度學(xué)習(xí)的登海605玉米品種真?zhèn)舞b別方法研究[J].中國(guó)糧油學(xué)報(bào)，2023，38（03）：151-157.

[3]胡楠.基于深度學(xué)習(xí)和機(jī)器視覺(jué)的玉米種子品種識(shí)別研究[D].長(zhǎng)春：吉林農(nóng)業(yè)大學(xué)，2023.

[4]金厚熙.基于紅外熱成像技術(shù)的玉米種子活力等級(jí)分類(lèi)方法研究[D].大慶：黑龍江八一農(nóng)墾大學(xué)，2023.

[5]JAVANMARDI S，ASHTIANI S H M，VERBEEK F J，et al. Computer-vision classification of corn seed varieties using deep convolutional neural network[J].Journal of Stored Products Research，2021，92：101.

[6]盧柳江，匡迎春，陳蘭鑫，等.基于級(jí)聯(lián) Ada Boost分類(lèi)器的農(nóng)作物蟲(chóng)害圖像識(shí)別研究[J].中國(guó)農(nóng)機(jī)化學(xué)報(bào)，2019，40（08）：127-131.

[7]LU L J，KUANG Y C，CHEN L X，et al.Research on pest image recognition based on cascade AdaBoost classifier[J].Journal of Chinese Agricultural Mechanization，2019，40（08）：127-131.

[8]宋杰.基于視覺(jué)-慣導(dǎo)融合的輪式聯(lián)合收獲機(jī)導(dǎo)航方法研究[D].鎮(zhèn)江：江蘇大學(xué)，2022.

[9]田達(dá)奇，韓建海，王欣.基于免疫模糊PID算法的農(nóng)機(jī)機(jī)器視覺(jué)研究[J].農(nóng)機(jī)化研究，2021，43（06）：223-226.

[10]戴峰.基于計(jì)算機(jī)視覺(jué)技術(shù)的農(nóng)業(yè)機(jī)械自主導(dǎo)航設(shè)計(jì)[J].農(nóng)機(jī)使用與維修，2023（09）：27-30.

[11]侯義鋒，錢(qián)俊，王梁，等.砂糖橘采摘機(jī)器人分揀機(jī)構(gòu)設(shè)計(jì)[J].中國(guó)農(nóng)機(jī)化學(xué)報(bào)，2023，44（09）：183-189.

[12]王紅軍，鄒偉銳，謝啟旋，等.基于機(jī)器視覺(jué)的香蕉果柄識(shí)別及采摘試驗(yàn)研究[J].自動(dòng)化與信息工程，2023，44（05）：14-21+51.

[13]何梁，薛龍，鄭建鴻，等.蓮蓬采摘點(diǎn)與采摘姿態(tài)計(jì)算算法[J].科學(xué)技術(shù)與工程，2023，23（16）：6845-6852.

[14]王焱清，湯旸，楊光友.面向機(jī)器人柑橘采摘的控制系統(tǒng)設(shè)計(jì)與試驗(yàn)[J].中國(guó)農(nóng)機(jī)化學(xué)報(bào)，2023，44（09）：146-153.